Python内置数据类型list各方法的性能测试过程解析
这篇文章主要介绍了Python内置数据类型list各方法的性能测试过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
测试环境
本文所涉及的代码均在MacOS系统与CentOS7下测试，使用的Python版本为3.6.8。
测试模块
测试用的模块是Python内置的timeit模块：
timeit模块可以用来测试一小段Python代码的执行速度。
Timer类
classtimeit.Timer(stmt='pass',setup='pass',timer=
Timer是测量小段代码执行速度的类。
stmt参数是要测试的代码语句（statment）；
setup参数是运行代码时需要的设置；
timer参数是一个定时器函数，与平台有关。
Timer类的timeit方法
timeit.Timer.timeit(number=1000000)
Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数，默认为1000000次。方法返回执行代码的平均耗时，一个float类型的秒数。
列表内置方法的性能测试
我们知道，生成一个列表可以使用列表生成式或者append、insert、extend这些方法，现在我们来看一下这些方法的执行效率：
fromtimeitimportTimer
deftest_list():
lst=list(range(1000))
deftest_generation():
lst=[iforiinrange(1000)]
deftest_append():
lst=[]
foriinrange(1000):
lst.append(i)
deftest_add():
lst=[]
foriinrange(1000):
lst+=[i]
#在列表的头部insert
deftest_insert_zero():
lst=[]
foriinrange(1000):
lst.insert(0,i)
#在列表的尾部insert
deftest_insert_end():
lst=[]
foriinrange(1000):
lst.insert(-1,i)
deftest_extend():
lst=[]
lst.extend(list(range(1000)))
t1=Timer("test_list()","from__main__importtest_list")
print(f"test_listtakes{t1.timeit(number=1000)}seconds")
t2=Timer("test_generation()","from__main__importtest_generation")
print(f"test_generationtakes{t2.timeit(number=1000)}seconds")
t3=Timer("test_append()","from__main__importtest_append")
print(f"test_appendtakes{t3.timeit(number=1000)}seconds")
t4=Timer("test_add()","from__main__importtest_add")
print(f"test_addtakes{t4.timeit(number=1000)}seconds")
t5=Timer("test_insert_zero()","from__main__importtest_insert_zero")
print(f"test_insert_zerotakes{t5.timeit(number=1000)}seconds")
t6=Timer("test_insert_end()","from__main__importtest_insert_end")
print(f"test_insert_endtakes{t6.timeit(number=1000)}seconds")
t7=Timer("test_extend()","from__main__importtest_extend")
print(f"test_extendtakes{t7.timeit(number=1000)}seconds")
我们先看看在MacOS系统下，执行上面这段代码的结果：
""" test_listtakes0.012904746999993222seconds test_generationtakes0.03530399600003875seconds test_appendtakes0.0865129750000051seconds test_addtakes0.08066114099983679seconds test_insert_zerotakes0.30594958500023495seconds test_insert_endtakes0.1522782449992519seconds test_extendtakes0.017534753999825625seconds """
我们可以看到：直接使用list方法强转的效率最高，其次是使用列表生成式，而append与直接加的方式紧随其后并且二者的效率相当；insert方法的执行效率最低——并且从头插入的效率要低于从尾部插入的效率！最后我们将强转的列表使用extend方法放入到新的列表中的过程效率并没有减少多少。
然后试试在Linux系统下的执行结果：
列表pop方法的性能测试
pop可以从第0各位置删除元素，也可以从最后位置删除元素（默认删除最后面的元素），现在我们来测试一下两种从不同位置删除元素的性能对比：
fromtimeitimportTimer
deftest_pop_zero():
lst=list(range(2000))
foriinrange(2000):
lst.pop(0)
deftest_pop_end():
lst=list(range(2000))
foriinrange(2000):
lst.pop()
t1=Timer("test_pop_zero()","from__main__importtest_pop_zero")
print(f"test_pop_zerotakes{t1.timeit(number=1000)}seconds")
t2=Timer("test_pop_end()","from__main__importtest_pop_end")
print(f"test_pop_endtakes{t2.timeit(number=1000)}seconds")
在MacOS下程序的执行结果为：
test_pop_zerotakes0.5015365449999081seconds test_pop_endtakes0.22170215499954793seconds
然后我们来试试Linux系统中的执行结果：
可以看到：从列表的尾部删除元素的效率要比从头部删除的效率高很多！
关于列表insert方法的一个小坑
如果想使用insert方法生成一个列表[0,1,2,3,4,5]的话（当然使用insert方法效率会低很多，建议使用其他的方法）会有一个这样的问题，在此记录一下：
deftest_insert(): lst=[] foriinrange(6): lst.insert(-1,i) print(lst) test_insert()
结果竟然是这样的——第一个元素竟然一直在最后！
[0] [1,0] [1,2,0] [1,2,3,0] [1,2,3,4,0] [1,2,3,4,5,0]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。